理论教育 主要结果的证明-不完全数据下半参数回归模型的统计推

主要结果的证明-不完全数据下半参数回归模型的统计推

时间:2023-11-20 理论教育 版权反馈
【摘要】:引理4.4.1由Mack和Silverman的结果可得。记,由Cramér-Wald定理和中心极限定理,有定义,有因此由Slutsky定理,在给定X,W的条件下,有注意到类似于的证明,有Q1n,1-=op。结合和,定理4.1.2得证。定理4.1.3的证明的渐近正态性的证明与定理4.1.1的证明思路类似,这里省略。定理4.1.4的证明记,ri=-gτ,则是下列惩罚函数的最小值使取最小值等于使下式取最小值上面的第二项可表达为因此,可得。为了证明稀疏性,我们仅需要证明=0依概率趋于1。

主要结果的证明-不完全数据下半参数回归模型的统计推

在证明定理之前,首先列出一些常规的条件。这些条件也被文献Zhou(2011)和Kai等人(2011)使用过。令δn=

(C1)核函数K(·)是一个对称且连续的密度函数,具有有界的紧支撑,满足一阶Lipschitz条件,且<∞,<∞,j=0,1,2。

(C2)F,G是连续函数且aG≤aF

(C3)随机变量W具有有界的支撑W,它的密度函数fW(·)是正的且具有二阶导数

(C4)对所有的(X,W),Fε(0|X,W)=τ,fε(·|X,W)有连续且一致有界的导数且满足fε(·|X,W)≥c0>0。

(C5)对所有的w∈W,矩阵C2(w)和A是非奇异的。

(C6)函数g(·)有连续且有界的二阶导数。

引理4.4.1 令(X1,Y1),…,(Xn,Yn)是独立同分布的随机向量。假定<∞且有<∞,其中f(·,·)表示(X,Y)的联合密度函数。Kh(·)=K(·/h)是有界正函数且有紧支撑,满足一阶Lipschitz条件,则

只需要n2ε-1h→∞,其中ε<1-s-1

引理4.4.1由Mack和Silverman(1982)的结果可得。

引理4.4.2(Lv等人(2014)) 假定An(s)是凸函数且可以表示为,其中V对称正定矩阵,Un是随机有界变量,Cn是任意的,对每一个s,rn(s)依概率收敛到0。则An的最小值αn+Cn的最小值βn=-V-1Un只相差op(1)。若同时有,则有-V-1U。

在下面的证明中,将用到一些随机向量的相关理论和方法。这方面已有丰富的结果,可参见文献Chen等人(2018),陈振龙和肖益民(2019)等。

定理4.1.1的证明 对给定w,则使下式取最小值

是下列式子的最小值

由Kai(2011)中的式子(7.2),即

其中ψτ(u)=τ-I(u≤0),可得

接下来,证明E[Q2n(ξ)]=

,Δ和中的Xi,Wi替换为x,w所得。由于是核形式的独立同分布随机变量的和,根据引理4.4.1,有

的期望为:

类似地,可获得=o(1),则+Op(δn),其中C1(w)=E[fε(0|X,W)(1,(W-w)/h,XTT(1,(W-w)/h,XT)|W=w]。进一步,根据文献Liang和Baek(2016)的引理5.2,有

通过计算,有

因此

根据引理4.4.2,Qn(ξ)的最小值可表示为

因此

其中

接下来,考虑Q1n,1。记

由Cramér-Wald定理和中心极限定理,有

定义,有

因此

由Slutsky定理,在给定X,W的条件下,有(www.daowen.com)

注意到

类似于(4.4.2)的证明,有Q1n,1-=op(1)。因此,

接下来计算的均值。

结合(4.4.4),(4.4.5),(4.4.6),(4.4.7)和(4.4.8),定理4.1.1得证。

定理4.1.2的证明 给定,则

记ri=-gτ(Wi),γ=。则是下式的最小值

由Knight(1998),有

于是(4.4.9)可表示为

首先考虑V2n(γ)。记

的条件期望

通过计算,有

因此

-E*(V2n(γ)|X,W),易得=op(1)。注意到V2n(γ)=+op(1),则有

接下来,考虑V1n。定义。根据式(4.4.1),有

因此

由式(4.4.3),

其中δ(Xi,Wi)=。因此

观察到An=EAn+op(1)=+op(1):=+op(1),因此

根据引理4.4.2,有

于是根据Cramér-Wald定理和中心极限定理,可得

其中B=E{X-δ(X,W)}⊗2。结合(4.4.11)和(4.4.12),定理4.1.2得证。

定理4.1.3的证明 的渐近正态性的证明与定理4.1.1的证明思路类似,这里省略。

定理4.1.4的证明 记,ri=-gτ(Wi),则是下列惩罚函数的最小值

使(4.4.13)取最小值等于使下式取最小值

上面的第二项可表达为

因此,可得

记Bn,11是Bn左上角的s×s子矩阵。由于是Ln(ζ)的最小值且Ln(ζ)可被渐近的表示为

注意到Ln(ζ)是ζ的凸函数且L(ζ1)有唯一的最小值,由Geyer (1994)的特征值理论可得

则渐近正态性部分得证。

为了证明稀疏性,我们仅需要证明=0依概率趋于1。这等同于证明:若βτj=0,则→0。注意到≤max(τ,1-τ)<1,若≠0,则我们有。因此,,结合→∞,可得→0。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈